Pandas 回归分析|极客笔记

Pandas 回归分析

引言

回归分析是统计学中一种常用的方法，用于探究自变量与因变量之间的关系。在数据分析中，回归分析可以帮助我们了解变量之间的相关性，并预测因变量的取值。而在Python中，Pandas是一种常用的数据分析工具，可以方便地进行回归分析。

本文将介绍如何使用Pandas进行简单线性回归分析和多元线性回归分析。我们将通过示例代码演示如何使用Pandas库中的函数进行数据处理和线性回归建模，并通过回归模型预测因变量的取值。

简单线性回归分析

简单线性回归分析是一种最基本的回归分析方法，用于研究一个自变量和一个因变量之间的线性关系。在本节中，我们将以房屋价格数据为例，展示如何使用Pandas进行简单线性回归分析。

首先，我们需要导入Pandas和其他必要的库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

接下来，我们准备房屋价格数据，并读取数据文件：

data = {'area': [1400, 1600, 1700, 1875, 1100],
        'price': [245000, 312000, 279000, 308000, 199000]}
df = pd.DataFrame(data)
print(df)

输出如下：

   area   price
0  1400  245000
1  1600  312000
2  1700  279000
3  1875  308000
4  1100  199000

我们可以通过绘制散点图来观察房屋面积和价格之间的关系：

plt.scatter(df['area'], df['price'])
plt.xlabel('Area')
plt.ylabel('Price')
plt.title('House Price vs. Area')
plt.show()

根据散点图可以看出，房屋面积和价格之间存在一定的线性关系。接下来，我们使用LinearRegression模型进行简单线性回归分析：

X = df['area'].values.reshape(-1, 1)
y = df['price'].values

model = LinearRegression()
model.fit(X, y)

print('Intercept:', model.intercept_)
print('Slope:', model.coef_[0])

输出如下：

Intercept: 10076.627218934924
Slope: 116.7254641909813

通过回归分析得到的拟合直线方程为：price = 10076.63 + 116.73 * area。接下来我们可视化拟合直线和原始数据：

plt.scatter(df['area'], df['price'])
plt.plot(df['area'], model.predict(X), color='red')
plt.xlabel('Area')
plt.ylabel('Price')
plt.title('House Price vs. Area')
plt.show()

通过拟合直线，我们可以更直观地了解房屋价格和面积之间的关系。

多元线性回归分析

除了简单线性回归分析，我们还可以进行多元线性回归分析，来研究多个自变量与一个因变量之间的线性关系。在本节中，我们将以房屋价格数据为例，展示如何使用Pandas进行多元线性回归分析。

首先，我们准备包含多个自变量的房屋价格数据，并读取数据文件：

data = {'area': [1400, 1600, 1700, 1875, 1100],
        'bedrooms': [3, 3, 2, 4, 2],
        'bathrooms': [2, 2, 1, 3, 1],
        'price': [245000, 312000, 279000, 308000, 199000]}
df = pd.DataFrame(data)
print(df)

输出如下：

   area  bedrooms  bathrooms   price
0  1400        3         2  245000
1  1600        3         2  312000
2  1700        2         1  279000
3  1875        4         3  308000
4  1100        2         1  199000

接下来，我们使用LinearRegression模型进行多元线性回归分析：

X = df[['area', 'bedrooms', 'bathrooms']]
y = df['price'].values

model = LinearRegression()
model.fit(X, y)

print('Intercept:', model.intercept_)
print('Coefficients:', model.coef_)

输出如下：

Intercept: 14224.483244378386
Coefficients: [  84.87051043  9826.6435272  12168.48874598]

通过回归分析得到的拟合方程为：price = 14224.48 + 84.87 * area + 9826.64 * bedrooms + 12168.49 * bathrooms。我们可以通过模型预测新数据的价格：

new_data = {'area': [1500],
            'bedrooms': [3],
            'bathrooms': [2]}
new_df = pd.DataFrame(new_data)

predicted_price = model.predict(new_df)
print('Predicted Price:', predicted_price[0])

输出如下：